马,庄;陈汉生;李湘;赖英成;张海峰 基于数据的双工网络重建。 (英语) Zbl 1437.37123号 SIAM J.应用。动态。系统。 19,第1期,124-150(2020年). 摘要:人们已经认识到,现实世界中的许多复杂动力系统都需要用多重网络来描述,其中一组共同的、相互连接的节点属于不同的网络层,并且在每个层中发挥不同的作用。尽管最近在基于数据的单层网络推理方面取得了进展,但用多重结构重建复杂系统在很大程度上仍然是开放的。在本文中,我们阐述了一个基于平均场的最大似然估计框架来解决这个问题。具体来说,我们重构了一类具有两类传播动力学的典型双工网络系统,并且我们表明,这两个层的结构可以从时间序列数据中同时重构。除了使用经验和合成双工网络验证框架外,我们还进行了详细的分析,以阐明网络和动力学参数对重建精度和鲁棒性的影响。 引用于7文件 MSC公司: 37N99型 动力系统的应用 2006年第68季度 作为计算模型的网络和电路;电路复杂性 68T07型 人工神经网络与深度学习 关键词:多路复用网络;网络重建;平均场近似;最大似然估计 软件:IOTA公司 PDF格式BibTeX公司 XML格式引用 \textit{C.Ma}等人,SIAM J.Appl。动态。系统。19,第1号,124--150(2020;Zbl 1437.37123) 全文: 内政部 arXiv公司 参考文献: [1] A.-L.Barabaási和R.Albert,《随机网络中尺度的出现》,《科学》,286(1999),第509-512页·Zbl 1226.05223号 [2] T.Berry、F.Hamilton、N.Peixoto和T.Sauer,《检测神经元网络中的连接变化》,神经科学杂志。方法,209(2012),第388-397页。 [3] J.Bongard和H.Lipson,非线性动力系统的自动逆向工程,Proc。国家。阿卡德。科学。美国,104(2007),第9943-9948页·Zbl 1155.37044号 [4] A.Brovelli、M.Ding、A.Ledberg、Y.Chen、R.Nakamura和S.L.Bressler,《大规模感觉运动皮层网络中的β振荡:格兰杰因果关系揭示的方向性影响》,Proc。美国国家科学院。科学。美国,101(2004),第9849-9854页。 [5] S.V.Buldyrev、R.Parshani、G.Paul、H.E.Stanley和S.Havlin,《相互依赖网络中的灾难性故障级联》,《自然》,464(2010),第1025-1028页。 [6] J.Casadiego、M.Nitzan、S.Hallerberg和M.Timme,从非线性集体动力学对直接网络相互作用的无模型推断,国家通讯。,8 (2017), 2192. [7] 陈永忠,赖永昌,用二元动力学重构复杂网络的稀疏动态玻尔兹曼机,物理学。E版,97(2018),032317,https://doi.org/10.103/PhysRevE.97.032317。 [8] E.S.C.Ching、P.-Y.Lai和C.Y.Leung,从具有均匀双向耦合的网络动力学中提取连通性,Phys。E版,88(2013),042817,https://doi.org/10.103/PhysRevE.88.042817。 [9] E.S.C.Ching、P.-Y.Lai和C.Y.Leung,从动力学重建加权网络,物理。E版,91(2015),030801,https://doi.org/10.103/PhysRevE.91.030801。 [10] M.De Domenico、C.Granell、M.A.Porter和A.Arenas,《多层网络中扩散过程的物理》,《自然物理学》。,12(2016年),第901-906页。 [11] M.De Domenico、A.Soleá-Ribalta、E.Cozzo、M.Kivela¨、Y.Moreno、M.A.Porter、S.Goámez和A.Arenas,多层网络的数学公式,物理。第X版,3(2013),041022·Zbl 1452.05169号 [12] J.Donges、Y.Zou、N.Marwan和J.Kurths,气候网络的主干,Europhys。莱特。,87 (2009), 48007. [13] V.M.Eguiluz、D.R.Chialvo、G.A.Cecchi、M.Baliki和A.V.Apkarian,无标度脑功能网络,物理。修订稿。,94 (2005), 018102. [14] P.Erdos和A.Reönyi,关于随机图的演化,Publ。数学。仪表悬挂。阿卡德。《科学》第5卷(1960年),第17-60页·Zbl 0103.16301号 [15] K.J.Friston,《动力学系统的贝叶斯估计:功能磁共振成像的应用》,《神经影像》,16(2002),第513-530页。 [16] J.Gao、S.V.Buldyrev、H.E.Stanley和S.Havlin,《由相互依赖的网络组成的网络》,《国家物理学》。,8(2012),第40-48页。 [17] T.S.Gardner、D.di Bernardo、D.Lorenz和J.J.Collins,通过表达谱推断遗传网络和识别复合作用模式,《科学》,301(2003),第102-105页。 [18] C.Granell、S.Goímez和A.Arenas,《意识与多重网络中流行病传播之间的动态相互作用》,Phys。修订稿。,111 (2013), 128701. [19] F.Hamilton、T.Berry、N.Peixoto和T.Sauer,使用数据同化实时跟踪神经元网络结构,Phys。修订版E,88(2013),052715。 [20] S.Hempel,A.Koseska,J.Kurths和Z.Nikoloski,从短时间序列推断有向网络的内部合成对齐,Phys。修订稿。,107(2011),054101。 [21] Kan J.-Q.和Zhang H.-F.,意识扩散和自我激发的意识行为对疫情传播的影响——基于多重网络的方法,Commun。非线性科学。数字。模拟。,44(2017),第193-203页·Zbl 1466.92189号 [22] M.Kivela¨、A.Arenas、M.Barthelemy、J.P.Gleeson、Y.Moreno和M.A.Porter,多层网络,J.Complex Netw。,2(2014年),第203-271页。 [23] Z.Levnajicí和A.Pikovsky,《随机相位重置网络重建》,Phys。修订稿。,107 (2011), 034101. [24] J.-W.Li,Z.-S.Shen,W.-X.Wang,C.Grebogi,Y.-C.Lai,利用二态动力学重建复杂网络的通用数据方法,物理。E版,95(2017),032303,https://doi.org/10.103/PhysRevE.95.032303。 [25] X.Li和X.Li.通过扩散到达时间重建随机时间网络,国家通讯。,8 (2017), 15729. [26] 刘杰,梅国美,吴旭,卢军,加权网络连续时变拓扑的鲁棒重构,IEEE Trans。电路系统,65(2018),第2970-2982页·Zbl 1468.93065号 [27] 马化成,张海峰,赖永昌,《无时间序列的复杂网络重构》,《物理学》。E版,96(2017),022320,https://doi.org/10.103/PhysRevE.96.022320。 [28] A.Madan、M.Cebrian、S.Moturu、K.Farrahi和A.S.Pentland,感知社区的“健康状态”,IEEE普及计算。,11(2012),第36-45页,https://doi.org/10.109/MPRV.2011.79。 [29] M.Magnani、B.Micenkova和L.Rossi,《多重网络的组合分析》,预印本,2013年。 [30] G.Mei,X.Wu,Y.Wang,M.Hu,J.A.Lu,G.Chen,多层网络基于压缩感知的结构识别,IEEE Trans。Cybernet,48(2018),第754-764页。 [31] D.Napoletani和T.D.Sauer,重建稀疏连接动态网络的拓扑,Phys。E版,77(2008),026103。 [32] M.Nitzan、J.Casadiego和M.Timme,《从集体动力学统计揭示物理交互网络》,科学。高级,3(2017)。 [33] S.Pajevic和D.Plenz,动态级联的高效网络重建确定了神经元雪崩的小世界拓扑,PLoS Comp。《生物学》,5(2009),e1000271。 [34] G.Pipa和S.Gru¨n,通过洗牌和重采样对联合棘波事件进行非参数显著性估计,神经公司。,52(2003),第31-37页。 [35] 任建华,王文新,李斌,赖永昌,噪声桥接耦合振子网络中的动力学关联和拓扑,物理学。修订稿。,104 (2010), 058701. [36] S.G.Shandilya和M.Timme,从复杂动力学推断网络拓扑,新物理学杂志。,13 (2011), 013004. ·兹比尔1448.37045 [37] Z.-S.Shen,W.-X.Wang,Y.Fan,Z.Di和Y.-C.Lai,用自然多样性重建传播网络并识别隐藏的来源,国家通讯社。,5(2014),4323。 [38] O.Stetter、D.Battaglia、J.Soriano和T.Geisel,从钙成像信号对兴奋性神经元连接的无模型重建,PLoS Comp。《生物学》,8(2012),e1002653。 [39] 苏瑞清、赖永昌和王晓霞,利用压缩感知识别混沌FitzHugh-Nagumo神经元,《熵》,16(2014),第3889-3902页。 [40] 苏瑞秋,王伟霞,赖永昌,从时间序列中检测复杂网络中的隐藏节点,物理学。E版,85(2012),065201。 [41] J.Sun、D.Taylor和E.Bollt,通过最佳因果熵进行因果网络推理,SIAM J.Appl。动态。系统。,14(2015),第73-106页·Zbl 1376.37123号 [42] M.Timme,从响应动力学揭示网络连接,Phys。修订稿。,98 (2007), 224101. [43] M.Timme和J.Casadiego,《从动力学揭示网络:导论》,J.Phys。A、 47(2014),343001·Zbl 1305.92036号 [44] Wang,Y.C.Lai和C.Grebogi,非线性和复杂动力系统的基于数据的识别和预测,Phys。众议员,644(2016),第1-76页·兹比尔1359.70089 [45] W.-X.Wang、Y.-C.Lai、C.Grebogi和J.-P.Ye,通过压缩传感基于进化模拟数据的网络重建,Phys。版本X,1(2011),021021。 [46] W.-X.Wang、R.Yang、Y.-C.Lai、V.Kovanis和M.A.F.Harrison,《通过压缩传感对复杂振子网络进行基于时间序列的预测》,Europhys。莱特。,94 (2011), 48006. [47] D.J.Watts和S.H.Strogatz,“小世界”网络的集体动力学,《自然》,393(1998),第440-442页·Zbl 1368.05139号 [48] X.Wei、X.Wu、S.Chen、J.Lu和G.Chen,两层互联网络上的合作疫情传播,SIAM J.Appl。动态。系统。,17(2018),第1503-1520页·Zbl 1395.68045号 [49] D.Yu、M.Righore和L.Kocarev,网络拓扑估计,物理。修订稿。,97 (2006), 188701. [50] 张海凤,徐凤,鲍志凯,马化成,基于广义统计推断的二态动力学网络重构,IEEE。事务处理。电路系统,66(2019),第1608-1619页,https://doi.org/10.109/TCSI.2018.2886770。 ·Zbl 1468.94916号 [51] C.Zheng、C.Xia、Q.Guo和M.Dehmer,基于SIR的疾病传播与多重网络上意识传播的相互作用,J.Parallel District Com.,115(2018),第20-28页,https://doi.org/10.1016/j.jpdc.2018.01.001。 [52] D.Zhou,Y.Xiao,Y.Zhang,Z.Xu和D.Cai,脉冲耦合非线性网络的因果和结构连通性,物理。修订稿。,111 (2013), 054102. 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。